.png){kind=icon}
返回
Tracking student progress and generating personalized recommendations using clustering and explainable artificial intelligence
.png){kind=icon}
PRE
AI
DOI：10.1007/s10209-025-01295-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期学习分析领域的研究日益关注识别高风险学生，以实现及时且有意义的教学干预。尽管预测分析在此过程中发挥了核心作用，但可解释人工智能（xAI）的整合近期作为提升预测模型透明度和可解释性的方法逐渐兴起。本文提出了一种集成聚类、分类和xAI技术的框架，旨在支持生成透明化和个性化的学习建议，以促进学生学习进展。该方法包含四个连续阶段：（i）聚类；（ii）分类；（iii）可解释规则的生成与评估；（iv）基于关联规则的教学干预生成。该框架的关键贡献在于其提供透明度并生成学习者友好的见解。为此，开发了一个基于规则的系统，用于将xAI规则转化为清晰、可读的反馈，供每位学生使用。该框架通过真实的纵向学习者数据进行了实证验证，考察了学习者的成就模式随时间的变化，并可视化了时间动态。验证结果表明，可解释分析能够提供深入的学生学习进展洞察，并为改进教学策略和学习成果提供实际价值。
Keyword:
Clustering
Educational data mining
Explainable artificial intelligence
Learning analytics
期刊
U
IF:
2.7
论文数:
88
被引数:
2.6K
机构
暂无机构信息
引用论文
Predicting Student Performance and Enhancing Learning Outcomes: A Data-Driven Approach Using Educational Data Mining Techniques预测学生表现和提升学习成果：一种基于教育数据挖掘技术的数据驱动方法.png)
COMPUTERS
OAAI
COMPUTERSIF4.2
OAAI分享收藏Educational data mining: prediction of students' academic performance using machine learning algorithms教育数据挖掘: 使用机器学习算法预测学生的学业成绩OAAI
OAAI分享收藏
Machine Learning and Generative AI in Learning Analytics for Higher Education: A Systematic Review of Models, Trends, and ChallengesRodríguez-Ortiz, M. Á., Santana-Mancilla, P. C., & Anido-Rifón, L. E. (2025). 机器学习与生成式人工智能在高等教育学习分析中的应用：对模型、趋势和挑战的系统综述。应用科学，15(15)，8679。 [Google Scholar] [CrossRef]
PREAI
分享收藏Identifying At-Risk Students for Early Intervention—A Probabilistic Machine Learning Approach识别高风险学生以进行早期干预——一种概率性机器学习方法OAAI
OAAI分享收藏Predicting Student Dropout Rates Using Supervised Machine Learning: Insights from the 2022 National Education Accessibility Survey in Somaliland使用监督式机器学习预测学生辍学率：索马里兰2022年国家教育可及性调查的见解OAAI
OAAI分享收藏
查看更多内容